我刚开始使用scikit-learn，正在尝试将一组文档转换成可以应用聚类和分类的格式。我已经了解了向量化方法的细节，以及用于加载文件并索引其词汇表的tfidf转换。

然而，每个文档我还有额外的元数据，比如作者、负责的部门、主题列表等。

我如何向由向量化函数生成的每个文档向量添加特征呢？

回答：

你可以使用DictVectorizer来处理额外的分类数据，然后使用scipy.sparse.hstack将它们合并。